- 博客(11)
- 收藏
- 关注
RSS订阅原创 J1 - ResNet-50实战
Resnet-50的两个模块，convblock和idenntity block也被称为恒等块，是一种残差网络（ResNet）中的基本构建块。ResNet引入了残差连接，通过将输入直接添加到块的输出，有助于解决深层网络训练中的梯度消失问题。通常用于学习更复杂的特征表示。它的结构类似于 Identity Block，但引入了一个额外的卷积层。ConvBlock 的输出也是通过残差连接与输入相加，使得梯度更容易传播。通常用于浅层，ConvBlock则用于深层。
2024-02-02 21:42:28
736
2
原创 YOLOv5-Backbone模块实现
Backbone主要负责对输入图像进行特征提取。Neck负责对特征图进行多尺度特征融合，并把这些特征传递给预测层。Head进行最终的回归预测。
2024-01-26 10:42:10
780
1
原创 YOLOv5-C3模块实现
"YOLO5" 是 "You Only Look Once"（你只需看一次）的第五个版本，是一种用于实时目标检测的计算机视觉模型。YOLO模型以其高速和准确性而闻名，它能够在图像或视频中检测多个对象并确定它们的位置。工作原理：是将整个图像划分为网格，并在每个网格上执行对象检测。相较于其他目标检测方法，YOLO的优势在于一次前向传播（单次推断）即可完成对所有目标的检测，使其成为实时应用的理想选择。
2024-01-19 16:47:13
870
1
原创 基于pytorch的VGG-16算法实现人脸识别
此次训练中此次项目的学习中我学会能够自己进行调用VGG-16的算法进行运算，训练。1.代码中使用的路径分隔符是反斜杠（），但实际上，该路径是使用正斜杠（）作为分隔符的。这可能导致在非Windows环境下出现问题。为了提高代码的跨平台性，建议使用os.path模块提供的获取路径分隔符2能够通过训练的状态或训练的性能来调整学习率，旨在优化训练，使模型更快收敛，文章中的两种调整动态学习率的方法都可以进行尝试。
2023-12-22 18:10:00
1238
原创 基于pytorch的运动鞋识别
动态学习率：指在训练神经网络时，根据训练的进展和模型的性能动态地调整学习率的技术。关键参数详解optimizer(Optimizer)：是之前定义好的需要优化的优化器的实例名step_size(int)：是学习率衰减的周期，每经过每个epoch，做一次学习率decaygamma(float)：学习率衰减的乘法因子。关键参数详解optimizer(Optimizer)：是之前定义好的需要优化的优化器的实例名lr_lambda(function)：更新学习率的函数关键参数详解。
2023-12-15 22:25:56
978
原创 基于pytorch的猴痘病识别p4
- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/rbOOmire8OocQ90QM78DRA) 中的学习记录博客**>- **🍖 原作者：[K同学啊 | 接辅导、项目定制](https://mtyjkh.blog.csdn.net/)**
2023-12-07 23:31:26
373
原创 基于pytorch天气识别
出现"unterminated string literal"的错误提示：使用转义字符，在字符串中的反斜杠表示转义字符，因此需要使用双反斜杠\\来表示单个反斜杠。例如：'D:\第5天-没有加密版本\weather_photos\cloudy'改成'D:\\第5天-没有加密版本\\weather_photos\\'
2023-12-01 00:08:04
951
1
原创 彩色图片识别
此次完成了对彩色图片识别过程，也是由在网上下载的彩色图片的数据集，然后进行划分数据集，搭建CNN神经网络模型来完成计算机对图像的识别，以下是本人在此次项目中的一些个人总结前向传播函数：定义整个模型的各个层次之间的连接关系，激活函数的使用。负责定义模型如何从输入数据产生输出卷积层：卷积层是深度学习神经网络中的一种重要层次，通过卷积操作与输入数据进行交互。这是通过将一个小的窗口（称为卷积核或过滤器）在输入数据上滑动并执行点积操作来实现的。
2023-11-23 12:17:05
35
原创 实现mnist手写数字识别
这是刚开始学习Pytorch做的第一个小项目，从导入数据集，搭建模型，直至后面完成对模型的训练，学会了如何去搭建一个简单的（CNN)卷积神经网络，卷积层，池化层，全连接层的参数如何进行设置，如何利用gpu进行训练，如何设置损失函数，实操了之前学习的理论，函数的运用，例如添加dropout函数能够改善训练效果，有效的防止过拟合化的发生。
2023-11-17 08:59:55
43
原创 实现mnist手写数字识别
我的环境：导入本次项目所需要的库，如果设备上支持GPU就使用GPU,否则使用CPU2.导入数据集 使用dataset下载MINIST数据集，并划分好训练集和测试集使用dataloader加载数据，并设置好基本的batch_sizetorchvision.datasets.MNIST详解：是Pytorch自带的一个数据库，我们可以通过代码在线下载数据，这里使用的是中的数据集。参数说明：torch.utils.data.DataLoader详解：是Pytorch自带的一个数据加载器，结合了数
2023-11-09 13:10:23
48
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人